MtoM Mag - Le journal de l'MtoM.
- accueil .
- newsletter .
Flux RSS . - soumissions .
- publicité .
- contacts
Flux RSS .
Tandis que les capteurs, à la faveur d’une relative baisse de leurs coûts, se sont fait une place dans de nombreux secteurs de l’industrie, ils rassemblent et transmettent des données tout au long de la chaîne de production : ateliers de conception, chaînes d’approvisionnement, lignes de production et opérations liées à la garantie.
Les constructeurs, soucieux de limiter les stocks au strict nécessaire, recherchent l’optimisation et la rationalisation, lesquels reposent sur l’adéquation la plus parfaite possible entre l’offre et la demande, au risque de connaître des épisodes de rupture de stocks.
Cet état de flux-tendu permanent rend critiques les pannes et les interruptions de la chaîne de production. Dans ce contexte, l’analyse de données recèle de nombreux avantages.
Au niveau des outils de production, l’analyse de données permet d’éviter les pannes en identifiant les opérations de maintenance proactives requises.
La production repose de nos jours sur des machines sophistiquées qui s’inscrivent dans un processus très précis et dans une succession d’étapes coordonnées lesunes aux autres. La panne d’une seule machine est susceptible de mettre en arrêt l’ensemble de la file de production. La maintenance préventive a un coût et il est essentiel de déterminer le meilleur timing pour les opérations de maintenance et de réparation : elles ne doivent pas intervenir trop tôt, et en aucun cas trop tard.
Des algorithmes de machine learning peuvent comparer les données issues des opérations de maintenance et les données machines pour chaque pièce avec l’historique des pannes. A partir de cette comparaison, ces algorithmes peuvent déterminer les meilleurs programmes de maintenance sur la base d’informations temps réel et de données historiques. Cette approche permet d’optimiser l’utilisation de chaque équipement, de maintenir les dépenses au plus bas tout en évitant les interruptions de service.
Au niveau de la file de production, la capture et l’analyse de données sont devenues les garantes de la qualité. Les capteurs et les radio-étiquettes (RFID-tags) réduisent le coût de capture de données tout au long de la chaîne d’approvisionnement.
De la même manière, les capteurs sont utilisés au fil de la chaîne de fabrication. Ces données permettent d’identifier l’origine des problèmes de fabrication au moment même où ils se produisent. Mais souvent, cela ne suffit pas et des problèmes infimes peuvent ne pas être repérés au moment de la production. Ces malfaçons apparemment mineures peuvent cependant mener à un taux de dysfonctionnement supérieur une fois le produit sur le marché.
A l’aide des données récoltées sur la file de production, lorsqu’un produit revient suite à un dysfonctionnement ou une panne, le constructeur peut alors effectuer des tests afin d’en identifier l’origine et analyser les résultats au regard des données récoltées par les capteurs lors de l’étape de fabrication. Ce supplément d’informations récoltées sur de grandes quantités de produits permet d’améliorer les processus de fabrication et la qualité générale des équipements ainsi produits.
Car ces capteurs, ces technologies génèrent un flux continu sans cesse croissant de données.
L’idéal est de bénéficier d’une technologie susceptible de traiter non seulement les données en mouvement, qui doivent être analysées en temps réel, mais aussi les données historiques, plus statiques.
Le premier type d’analyses permet d’identifier les problèmes au moment précis où ils se produisent et là où ils se produisent. Le second fournit une visibilité à plus long-terme sur la chaîne de production et permet d’identifier des tendances, des schémas qui seraient invisibles dans le contexte d’une analyse effectuée sur une durée plus réduite.
Parmi les premiers constructeurs et fournisseurs mondiaux de disque durs, Western Digital a construit sa stratégie qualité sur l’analyse de données. Chez Western Digital, la première phase du processus se déroule en salle blanche où les composants des disques sont assemblés. Des capteurs saisissent des données relatives à chaque disque et ce à toutes les étapes de la construction. Le volume d’informations récoltées lors de l’assemblage annuel de quelques 200 millions de disques, se mesure en petabytes.
Ainsi, Western Digital qui ne pouvait en raison de limites techniques effectuer des analyses que sur une durée de 3 mois avant d’archiver les données, a opté pour l’utilisation de la technologie open source Hadoop pour étendre la durée d’analyse à 2 ans, ce qui a permis aux ingénieurs d’identifier des schémas jusque-là invisibles. En croisant dans Hadoop des données issues des files de production avec des données issues des services de garanties, Western Digital a ainsi amélioré la qualité de la ligne de production, réduisant du même coup et de manière significative le nombre de disques défectueux.
Les avantages de la capture et l’analyse des données ne sont plus à démontrer mais pour une stratégie Big Data harmonieuse et pérenne, il est essentiel d’opter pour des technologies open source plutôt que de s’enfermer dans des technologies propriétaires. Hadoop fournit ainsi une plateforme de choix pour les projets de données dans le domaine de l’industrie. Le respect des standards est la garantie de pouvoir connecter aisément des systèmes hétérogènes, de développer plus aisément des applications diverses, parmi lesquelles des interfaces « selfservice » permettant aux métiers d’aller eux-mêmes puiser dans les données pour les recouper, dans le respect des politiques de gestion des identités et des accès de l’entreprise...
